[發明專利]一種信息分類的方法及設備

有效

• 申請號: 201710794992.3
• 申請日: 2017-09-05
• 公開（公告）號: CN110019777B
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 王興光;林芬
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

本申請實施例公開了一種信息分類的方法及設備。本申請實施例方法包括：接收待分類的查詢信息；獲取類別信息，類別信息中包括多個類別；獲取查詢信息在多個類別中每個類別下所對應的第一權重；根據類別信息、第一權重及已訓練的第一模型進行訓練，得到目標分類器，目標分類器記錄的類別包括目標類別和非目標類別，第一模型為以查詢信息相關的語料進行訓練后得到的分類模型；通過目標分類器對查詢信息進行分類，得到查詢信息在目標類別下的權重和查詢信息在非目標類別下的權重；若目標類別對應的權重大于非目標類別對應的權重，則確定查詢信息歸屬于目標類別。本申請實施例還提供了一種信息分類的設備，用于提高信息分類的準確率。

技術領域

本發明涉及計算機領域，尤其涉及一種信息分類的方法及設備。

背景技術

在人工智能(Artificial Intelligence，縮寫：AI)的語義類別識別中，意圖分析是對話開始階段的基礎語義的理解，意圖分析一般可以作為對話控制的入口，意圖的結果會影響對話過程中的實體識別、上下文意圖以及對話的語義關聯性。

當前，在意圖分類中，也包括很多方法如AdaBoost，隨機森林、邏輯回歸等等，但是，通過這些方法得到的分類的識別結果往往不能達到滿意的效果，準確率不高。例如，許多表述為“點播”意圖的Query在沒有足夠的交互語料的前提下，與類別“閑聊”，“資料”等交叉嚴重，許多具有“聽”需求的非“點播”意圖會誤分到“點播”類。比如：“我想聽你說說話”、“你的聲音真好聽”，經過意圖分析后，意圖的結果會誤分到“點播”類。又如，若系統中不包含“點播”這個類別，而包含“閑聊”和“資料”這兩個類別，若query為“我想聽真心話”，用戶的實際意圖為想聽“這心話”這首歌，在傳統方法中，會將該意圖誤分到“閑聊”，準確率較低。

發明內容

本發明實施例提供了一種信息分類的方法及設備，用于提高信息分類的準確率。

第一方面，本申請實施例提供了一種信息分類的方法，包括：

接收待分類的查詢信息；

獲取類別信息，所述類別信息中包括多個類別；

獲取所述查詢信息在所述多個類別中每個類別下所對應的第一權重；

根據所述類別信息、所述第一權重及已訓練的第一模型進行訓練，得到目標分類器，所述目標分類器記錄的類別包括目標類別和非目標類別，所述第一模型為以所述查詢信息相關的語料進行訓練后得到的分類模型；

通過所述目標分類器對所述查詢信息進行分類，得到所述查詢信息在所述目標類別下的權重和所述查詢信息在所述非目標類別下的權重；

若所述目標類別對應的權重大于所述非目標類別對應的權重，則確定所述查詢信息歸屬于所述目標類別。

第二方面，本申請實施例提供了一種信息分類的設備，包括：

接收模塊，用于接收待分類的查詢信息；

第一獲取模塊，用于獲取類別信息，所述類別信息中包括多個類別；

第二獲取模塊，用于獲取所述接收模塊接收的所述查詢信息在所述第一獲取模塊獲取的所述多個類別中的每個類別所對應的第一權重；

訓練模塊，根據所述第一獲取模塊獲取的所述類別信息、所述第二獲取模塊獲取的所述第一權重及已訓練的第一模型進行訓練，得到目標分類器，所述目標分類器記錄的類別包括目標類別和非目標類別，所述第一模型為以所述查詢信息相關的語料進行訓練后得到的分類模型；

分類模塊，通過所述訓練模塊訓練的所述目標分類器對所述查詢信息進行分類，得到所述查詢信息在所述目標類別下的權重和所述查詢信息在所述非目標類別下的權重；

第一確定模塊，用于當所述分類模塊確定的所述目標類別對應的權重大于所述非目標類別對應的權重時，確定所述查詢信息歸屬于所述目標類別。